Les dégâts visibles attirent l'attention, mais les cas manquants invisibles peuvent porter le véritable signal.
Ce que cela montre
Les avions qui reviennent sont des données réelles, mais ils ne constituent pas l'ensemble des données — et ne tirer des leçons que des cas qui sont parvenus jusqu'à nous relève du . Ils montrent où les dégâts étaient surmontables, car les avions touchés à ces endroits sont tout de même rentrés. Les avions manquants sont le contre-exemple que tu ne peux pas inspecter directement. Une bonne analyse demande ce qui a dû se passer pour qu'un cas apparaisse dans les données.
Pourquoi l'intuition échoue
Les preuves visibles semblent plus concrètes que les preuves manquantes. Une carte d'impacts de balles, une liste de fondateurs à succès ou une collection de produits populaires donnent à l'esprit quelque chose à examiner. Les cas absents n'ont pas de lignes, pas de photos et pas de citations, ils semblent donc moins réels. Le renverse cet instinct : les cas manquants sont peut-être exactement là où se trouvent les informations pertinentes pour la décision.
Exemple concret
Les avions qui revenaient montraient des impacts de balles sur les ailes et le fuselage, l’idée évidente était donc de blinder ces zones endommagées. Le raisonnement de Wald a inversé la perspective : les impacts indiquaient les endroits où un avion pouvait être touché tout en rentrant à la base, tandis que les avions touchés mortellement au moteur ou au cockpit manquaient dans l’ parce qu’ils n’étaient pas rentrés. Les zones calmes et intactes sur les survivants étaient les vraies candidates au blindage. Renforcer les zones visibles les plus endommagées aurait consisté à protéger les dégâts auxquels les avions avaient déjà résisté.
Comment l'utiliser
Lorsqu’une leçon provient de gagnants, de survivants, d’évaluations, de portfolios ou d’exemples visibles, demande-toi d’abord quelle règle de sélection a créé l’. Qui a échoué avant de pouvoir être observé ? Qui n’avait aucune raison ni aucun moyen de faire un rapport ? Quel résultat éliminerait un cas de l’ensemble de données ? Ces questions transforment le d’un simple slogan en une liste de contrôle pratique.
Ce que les gens comprennent mal
Les fondateurs à succès, les entreprises survivantes, les livres publiés, les étudiants admis et les avions rentrés ont tous passé un filtre avant que tu ne les voies. Les étudier en détail donne une impression de rigueur, mais le détail n’est pas l’équivalent de l’équilibre : les avions qui rentrent peuvent être mesurés avec soin tout en constituant un é. Étudier les survivants peut révéler ce qu’ils ont en commun, mais cela ne peut pas révéler à soi seul ce qui a causé la survie, car les tentatives échouées qui partageaient ces mêmes traits sont absentes. Un survivant marquant peut enseigner quelque chose, mais il ne peut pas te dire combien de tentatives similaires ont disparu.
Quand cela s'applique
Le importe chaque fois que l’échec élimine des cas avant que tu n’inspectes les données : conseils en affaires fondés uniquement sur les gagnants, historiques d’investissement qui omettent les fonds fermés, avis sur des produits par des utilisateurs restés actifs, ou témoignages de santé de personnes qui ont guéri. Demande-toi ce qui a dû se produire pour qu’un cas soit visible, et si les cas invisibles changeraient la conclusion.
Note sur la source
Le travail de Wald sur la vulnérabilité des avions fournit l’exemple opérationnel classique : déduire le danger en partie des motifs de dégâts sur les avions qui ne sont pas rentrés. La page utilise cet exemple comme une leçon générale sur le de sélection.
Essaie
Blinker l'avion
Chaque point est un impact de balle signalé par un bombardier qui est rentré à la base. Le blindage est lourd — tu peux protéger deux zones. (Motif illustratif, pas les données brutes de Wald.)
Tappe les zones que TU blinderais.
0
impacts sur les survivants
0
sur les moteurs et le cockpit
Les avions de retour sont criblés de trous — sauf les moteurs et le cockpit. Choisis jusqu'à deux zones à blinder.
FAQ
Qu’est-ce que le biais du survivant ?
Le biais du survivant est l’erreur qui consiste à tirer des conclusions à partir des cas qui restent visibles tout en ignorant les cas qui ont disparu avant d’avoir pu être comptés. Les cas visibles peuvent être réels et détaillés, mais ils peuvent mener à une mauvaise décision lorsque les cas manquants diffèrent de manière importante.
Pourquoi renforcer les zones avec moins d’impacts de balles ?
Parce que les avions qui reviennent montrent les dégâts auxquels ils ont survécu. Les zones avec moins d’impacts sur les avions qui reviennent peuvent être des endroits où les tirs ont empêché l’avion de rentrer. L’absence d’impacts peut être le signal d’alarme.
Où cela apparaît-il en dehors des avions ?
Cela apparaît dans les conseils d’affaires de fondateurs à succès, les portfolios d’investissement qui omettent les fonds en échec, les avis sur les produits rédigés par des utilisateurs exceptionnellement motivés, et toute analyse qui n’étudie que les gagnants ou les survivants. La première question est toujours de savoir qui n’a pas atteint l’ensemble de données.
Vérification rapide
Sur les avions qui sont revenus, où faut-il réellement placer le blindage ?
A
Là où les avions de retour avaient le moins d'impacts.
B
Réparti uniformément sur tout l'avion.
C
Là où les avions de retour avaient le plus d'impacts.
Sources
A method of estimating plane vulnerability based on damage of survivors
Source primaire
Statistical Research Group, Columbia University · Consulté 2026-06-20